Náhodné generování hodnot
V tomto cvičení si vyzkoušíš a porovnáš různé metody náhodného generování hodnot. Cílem je, abys získal/a jistotu v práci s těmito metodami a pochopil/a, jak každá z nich ovlivňuje způsob generování náhodných čísel. Každá metoda se hodí v jiné situaci, proto je důležité znát jejich rozdíly.
Představ si, že máš obchodní proces, který trvá přibližně 15 minut. Víš ale, že skutečná délka se může lišit přibližně o pět minut oběma směry. Pomocí různých metod z balíčku random vygeneruj varianty této doby trvání řízeným způsobem.
Toto cvičení je součástí kurzu
Diskrétní simulace událostí v Pythonu
Pokyny k cvičení
- Vygeneruj 1 000 náhodných dob trvání procesu jako celá čísla na základě zadaných informací.
- Vygeneruj 1 000 náhodných dob trvání procesu jako čísla s plovoucí desetinnou čárkou na základě zadaných informací.
- Vygeneruj 1 000 pseudonáhodných dob trvání jako čísla s plovoucí desetinnou čárkou na základě Gaussova rozdělení s průměrem 15 a směrodatnou odchylkou 5.
- Vygeneruj 1 000 pseudonáhodných dob trvání jako čísla s plovoucí desetinnou čárkou na základě exponenciálního rozdělení s parametrem lambda 1,5 (kladným) a vrcholem v hodnotě 15.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Generate random integer numbers
randint_array = np.array([____ for i in range(1000)])
# Generate random float numbers
uniform_array = np.array([____ for i in range(1000)])
# Generate random float numbers based on the Gaussian distribution
gauss_array = np.array([____ for i in range(1000)])
# Generate random float numbers based on the Exponential distribution
expon_array = np.array([____ + 15 for i in range(1000)])
plot_all(randint_array, uniform_array, gauss_array, expon_array)